TuSimple y Waymo están a la cabeza en el sector emergente de camiones autónomos; El fundador de TuSimple, Xiaodi Hou, y el jefe de camiones de Waymo, Boris Sofman, tuvieron una discusión profunda sobre su industria y la tecnología que están construyendo en TC Mobility 2020. Curiosamente, mientras resuelven los mismos problemas, tienen antecedentes y enfoques muy diferentes. .
Hou y Sofman comenzaron hablando sobre por qué buscaban el mercado de camiones en primer lugar. (Las citas se han editado ligeramente para mayor claridad).
“El mercado es masivo; Creo que en los Estados Unidos se gastan entre $700 y $800 mil millones al año en la industria del transporte por carretera. Continúa creciendo cada año”, dijo Sofman, quien se unió a Waymo desde Anki el año pasado para liderar el esfuerzo en carga. “Y hay una gran escasez de conductores hoy, que solo aumentará durante el próximo período de tiempo. Es una necesidad tan clara. Pero no va a ser de la noche a la mañana: todavía hay una cola muy larga de desafíos que no puede evitar. Entonces, la forma en que hablamos de esto es que las cosas que son más difíciles son simplemente diferentes”.
“Es realmente el análisis de costos y recompensas, pensando en construir el sistema operativo”, dijo Hou. “El costo es la cantidad de características que desarrolla, y la recompensa es básicamente cuántas millas conduce: cobra por milla. A partir de ese análisis de costo-recompensa, el transporte por camión es simplemente la forma natural de hacerlo para nosotros. La cantidad total de problemas que necesita resolver es probablemente 10 veces menor, pero tal vez, ya sabe, cinco veces más difícil”.
“Sin embargo, es realmente difícil cuantificar esos números”, concluyó, “pero entiendes mi punto”.
Los dos también discutieron la complejidad de crear un marco de percepción lo suficientemente bueno para conducir.
“Incluso si tienes un conocimiento perfecto del mundo, tienes que predecir qué van a hacer otros objetos y agentes en ese entorno, y luego tomar una decisión tú mismo y la combinación sabe que es muy desafiante”, dijo Sofman.
“Lo que realmente nos ayudó es que, hace muchos, muchos años, nos dimos cuenta desde el lado del automóvil de la empresa de que, para ayudarnos a resolver este problema de la manera más fácil posible y facilitar los desafíos posteriores, tuvimos que crear nuestros propios sensores. ,” él continuó. “Entonces, tenemos nuestro propio lidar, nuestro propio radar, nuestras propias cámaras, y tienen propiedades increíblemente únicas que se diseñaron a la medida a través de cinco generaciones de hardware que tratan de apoyarse realmente en el tipo de situaciones más desafiantes en las que simplemente no se puede. evitar en el camino.”
Hou explicó que, si bien muchos sistemas autónomos descienden de los enfoques utilizados en el famoso Gran Desafío de DARPA hace 15 años, el de TuSimple es un poco más antropomórfico.
“Creo que estoy fuertemente influenciado por mi formación, que tiene un tinte de neurociencia. Así que siempre estoy pensando en construir una máquina que pueda ver y pensar, como lo hacen los humanos”, dijo. “En el desafío DARPA, la idea de la gente sería: Bien, escribe una ecuación de sistema dinámico y resuelve esta ecuación. Para mí, estoy tratando de responder a la pregunta de, ¿cómo reconstruimos el mundo? Lo que se trata más de comprender los objetos, comprender sus atributos, aunque algunos de los atributos pueden no contribuir directamente a todo el sistema de conducción autónoma”.
“Estamos combinando todas las características diferentes, aparentemente inútiles, para que podamos reconstruir los llamados ‘qualia’ de la percepción del mundo”, continuó Hou. “Al hacer eso, descubrimos que tenemos todos los ingredientes que necesitamos para hacer cualquier misión que tengamos”.
Los dos se encontraron en desacuerdo sobre la idea de que, debido a las grandes diferencias entre la conducción en carretera y la conducción a nivel de la calle, existen esencialmente dos problemas distintos que deben resolverse.
Hou opinó que “la superposición es bastante pequeña. La sociedad humana ha declarado ciertos tipos de reglas para conducir en la carretera… este es un sistema mucho más regulado. Pero para la conducción local, en realidad no hay reglas para la interacción… de hecho, existen construcciones sociales implícitas muy diferentes para conducir en diferentes áreas del mundo. Estas son cosas que son muy difíciles de modelar”.
Sofman, por otro lado, sintió que si bien los problemas son diferentes, resolver uno contribuye sustancialmente a resolver el otro: “Si divide el problema en muchos, muchos bloques de construcción de un sistema AV, hay una ventaja bastante grande donde incluso si no resuelves el problema al 100%, se quita entre el 85% y el 90% de la complejidad. Usamos exactamente los mismos sensores, exactamente las mismas infraestructuras informáticas, el marco de simulación, el sistema de percepción se transfiere, en gran medida, incluso si tenemos que volver a entrenar algunos de los modelos. El núcleo de todos nuestros algoritmos es que estamos trabajando para mantenerlos iguales”.
Puedes ver el resto de ese último intercambio en el video de arriba. Este panel y muchos más de TC Sessions: Mobility 2020 están disponibles para verlos aquí para los suscriptores de Extra Crunch.
Source link